今天字節客戶端三面問了這道題，沒做出來。第一，之前沒見過lfu，第二，要求O(1)時間，條件苛刻一點。只能說無緣字節。
言歸正傳，LFU算法：least frequently used，最近最不經常使用算法。
什么意思呢：對於每個條目，維護其使用次數cnt、最近使用時間time。
cache容量為n，即最多存儲n個條目。
那么當我需要插入新條目並且cache已經滿了的時候，需要刪除一個之前的條目。刪除的策略是：優先刪除使用次數cnt最小的那個條目，因為它最近最不經常使用，所以刪除它。如果使用次數cnt最小值為min_cnt，這個min_cnt對應的條目有多個，那么在這些條目中刪除最近使用時間time最早的那個條目（舉個栗子：a資源和b資源都使用了兩次，但a資源在5s的時候最后一次使用，b資源在7s的時候最后一次使用，那么刪除a，因為b資源更晚被使用，所以b資源相比a資源來說，更有理由繼續被使用，即時間局部性原理）。
類似lru算法的想法，利用哈希表加鏈表。鏈表是負責按時間先后排序的。哈希表是負責O(1)時間查找key對應節點的。
還是用一個哈希表，用來O(1)時間查找key對應的節點。
另外由於lfu算法是按照兩個維度：引用計數、最近使用時間來排序的。所以一個鏈表肯定不夠用了。解決辦法就是按照下圖這樣，使用第二個哈希表，key是引用計數，value是一個鏈表，存儲使用次數為當前key的所有節點。該鏈表中的所有節點按照最近使用時間排序，最近使用的在鏈表頭部，最晚使用的在尾部。這樣我們可以完成O(1)時間查找key對應節點（通過第一個哈希表）；O(1)時間刪除、更改某節點（通過第二個哈希表）。
注意：get（查詢）操作和put（插入）操作都算“使用”，都會增加引用計數。
所以get(key)操作實現思路：如果第一個哈希表中能查到key，那么取得相應鏈表節點。接下來在第二個哈希表中，把它移到其引用計數+1位置的鏈表頭部，並刪除之前的節點。
put(key,value)操作實現思路：如果第一個哈希表中能查找key，那么操作和get(key)一樣，只是把新節點的value置為新value。
如果查不到key，那么我們有可能需要刪除cache中的某一項（容量已經達到限制）：直接找到第二個哈希表中最小引用計數的鏈表，刪除其末尾節點（最晚使用）。
之后再添加新節點即可。
注意點：1.容量超限需要刪除節點時，刪除了第二個哈希表中的項的同時，第一個哈希表中對應的映射也應該刪掉。
2.需要保持一個min_cnt整型變量用來保存當前的最小引用計數。因為容量超限需要刪除節點時，我們需要O(1)時間找到需要刪除的節點。
題目：
請你為 最不經常使用（LFU）緩存算法設計並實現數據結構。它應該支持以下操作：get 和 put。
get(key) - 如果鍵存在於緩存中，則獲取鍵的值（總是正數），否則返回 -1。
put(key, value) - 如果鍵已存在，則變更其值；如果鍵不存在，請插入鍵值對。當緩存達到其容量時，則應該在插入新項之前，使最不經常使用的項無效。在此問題中，當存在平局（即兩個或更多個鍵具有相同使用頻率）時，應該去除最久未使用的鍵。
「項的使用次數」就是自插入該項以來對其調用 get 和 put 函數的次數之和。使用次數會在對應項被移除后置為 0 。
進階：
你是否可以在 O(1) 時間復雜度內執行兩項操作？
示例：
LFUCache cache = new LFUCache( 2 /* capacity (緩存容量) */ );
cache.put(1, 1);
cache.put(2, 2);
cache.get(1); // 返回 1
cache.put(3, 3); // 去除 key 2
cache.get(2); // 返回 -1 (未找到key 2)
cache.get(3); // 返回 3
cache.put(4, 4); // 去除 key 1
cache.get(1); // 返回 -1 (未找到 key 1)
cache.get(3); // 返回 3
cache.get(4); // 返回 4
解答：
struct p{ int key,value,cnt; p(int a,int b,int c):key(a),value(b),cnt(c){} }; class LFUCache { public: unordered_map<int,list<p>::iterator> mp_key; unordered_map<int,list<p>> mp_cnt; int min_cnt=1; //key,value,cnts int n; LFUCache(int capacity) { n=capacity; } int get(int key) { if(n==0){return -1;} //cout<<"get begin "; if(mp_key.count(key)){//命中 auto iter=mp_key[key]; int cnt=iter->cnt,val=iter->value; mp_cnt[cnt+1].push_front(p(iter->key,val,cnt+1));//放到cnt+1的鏈表頭部 mp_cnt[cnt].erase(iter); //刪除之前節點 if(min_cnt==cnt and mp_cnt[cnt].size()==0){//更新min_cnt min_cnt++; } mp_key[key]=mp_cnt[cnt+1].begin(); //更新mp_key //cout<<"get end"<<endl; return val; } //cout<<"get end"<<endl; return -1; } void put(int key, int value) { if(n==0){return;} //cout<<"get begin "; if(mp_key.count(key)){//命中 auto iter=mp_key[key]; int cnt=iter->cnt; mp_cnt[cnt+1].push_front(p(key,value,cnt+1)); mp_cnt[cnt].erase(iter); mp_key[key]=mp_cnt[cnt+1].begin(); if(min_cnt==cnt and mp_cnt[cnt].size()==0){ min_cnt++; } } else{//插入新節點 if(mp_key.size()>=n){//需要刪除cnt最小的list中最早出現的(mp_cnt[min_cnt].back()) int deleteKey=mp_cnt[min_cnt].back().key; mp_cnt[min_cnt].pop_back(); mp_key.erase(deleteKey); } mp_cnt[1].push_front(p(key,value,1)); mp_key[key]=mp_cnt[1].begin(); min_cnt=1;//插入新節點了，最小cnt一定是1 } //cout<<"put end"<<endl; } };
